你收到一份没有标签的食品，很难判断它来自哪家工厂。AI设计的蛋白也有类似问题：一串新的氨基酸序列进入数据库或送去DNA合成时，人们未必知道它来自天然生物，还是某个生成模型。Google DeepMind研究人员提出SynthIDBio，尝试把一枚不易察觉的“出厂标记”直接写进蛋白本身，同时尽量不破坏它原本要完成的任务。
这项发表于《Nature》的工作仍是proof-of-concept——概念验证，而非已经普遍部署的识别系统。论文实验支持的是特定蛋白设计任务，不能外推为所有蛋白的功能都不受影响。
把标签写进分子里
蛋白质可以看成一台由氨基酸组装、再折叠成三维形状的分子机器。氨基酸序列像配方，折叠后的结构和动态性质则在很大程度上决定机器能做什么。
常见的来源记录放在蛋白之外，例如集中式数据库，或随文件附上一段经过密码学签名的元数据。但论文指出，数据库需要集中协调，大规模使用时可能产生误报和隐私问题；外附的元数据虽然可以保护隐私，却容易被删除。SynthIDBio换了一个思路：不把标签贴在包装上，而是把统计水印编进产品本身。
所谓统计水印，是让生成结果悄悄偏向一组可检测的模式。单看某个氨基酸或某段结构，变化可能并不起眼；把整条序列或整个结构放在一起分析，持有检测密钥的一方则能寻找这组模式。它提供的是来源追踪（provenance）信号：回答对象是否由采用这套水印的系统生成，而不是直接判断蛋白是否危险。
序列和结构，各藏一层
SynthIDBio包含两条路线。
SynthIDBio-sequence把水印加入ProteinMPNN。后者是一种序列设计模型：给定蛋白的骨架结构，它反向寻找可能折叠成该形状的氨基酸序列。研究团队在模型挑选氨基酸时加入水印偏好，再用结构指标筛选预计能够结合目标的设计。关键约束很直接：标记要能被检出，但不能明显妨碍蛋白折叠和结合目标。
团队使用AlphaProteo已有的蛋白骨架，分别让ProteinMPNN生成带水印和不带水印的序列，再进行体外实验。他们制得了三类蛋白binder——能够抓住特定目标分子的结合蛋白：针对SARS-CoV-2受体结合域的低纳摩尔binder，以及针对VEGF-A和PD-L1的亚纳摩尔binder。论文报告称，在不同目标和骨架上，水印没有改变结合亲和力的分布，也没有改变成功结合的比例；带水印binder的结合亲和力与无水印对照相当。论文同时称序列水印达到“近乎完美”的检测准确率。
另一条路线SynthIDBio-structure处理三维结构。它由AlphaFold 3微调而来，并把水印目标直接加入模型生成结构所用的扩散过程。研究人员还同步训练检测器，让模型在预测原子排列时留下可识别、但尽量不影响结果的统计痕迹。论文在AlphaFold 3评估集上报告了近乎完美的可检测性、可忽略的整体准确度影响，以及对化学键几何形状的轻微影响。水印也能承受刚体变换和加入噪声等基础操作。团队认为，信息藏在原子之间的距离中，其变化与AlphaFold 3预测相对真实结构的自然波动难以区分。
它提供的是线索，不是裁决
这套方法值得关注，是因为AI设计可能产生与已知序列差异很大、却执行相似功能的蛋白。Nature同期报道指出，DNA合成公司通常会检查订单是否编码已知毒素、病原体蛋白或其他可疑分子；如果AI设计的新序列与参考数据库几乎不像，单纯比对序列可能漏掉它。
水印不能告诉筛查者一个蛋白具体会做什么，但能补上一条信息：它是否来自采用SynthIDBio的设计流程。论文认为，这类信号未来可供DNA合成服务商，以及PDB、UniProt、GenBank等生物数据库参考。它也可能帮助科研人员核验数据来源和复现实验。换句话说，水印更像调查中的一条证据，而不是“安全”或“危险”的自动判决。
局限与未知
- 它识别的是这套方案主动嵌入的标记，不能据此找出所有AI生成蛋白，也不能可靠区分所有天然蛋白与未加水印的AI蛋白。
- 水印并非洗不掉。Nature报道指出，在许多情况下，把带水印蛋白交给另一种设计工具重新生成序列，可能保留结构和功能，却掩盖其合成来源。论文所说的“更难移除”，主要是相对于容易删除的外部元数据，不等于不可移除。
- 现有实验验证集中在特定binder及其结合亲和力。SynthIDBio能否覆盖更多蛋白类型、更多生物功能，以及在真实数据库和DNA合成筛查流程中表现如何，当前材料没有给出答案。
因此，SynthIDBio更合理的定位是一层新的来源信号。它没有解决AI蛋白治理的全部问题，却证明了一件此前并不确定的事：至少在这些实验里，分子可以一边完成设计任务，一边携带一枚可检测的AI来源标记。